基于密度聚类和多示例学习的图像分类方法 (2014年)

【文件属性】：
文件名称：基于密度聚类和多示例学习的图像分类方法 (2014年)
文件大小：609KB
文件格式：PDF
更新时间：2021-04-25 08:09:31
工程技术 论文 针对图像的低级特征表示与高级概念之间的语义鸿沟，本文利用密度聚类获得的簇分布信息和多示例学习框架在区分歧义性对象上的特点，提出了一个基于区域特征密度聚类和多示例学习的图像分类方法(DCRF-MIL)。该方法首先将每个图像分割为多个区域，将所有区域组成一个集合，在这个区域集合上，使用密度聚类算法学习到区域特征的簇分布信息；然后，将图像看作包，区域看作包中的示例，基于区域特征的簇分布信息，将包映射为簇分布空间上的一个向量作为包的特征，使得包特征带有图像区域的语义信息；最后，使用支持向量机算法，在带有包特征的训